Рынок заведений общественного питания Москвы

Основные положения

Описание проекта

Инвестор просят подготовить исследование рынка Москвы, найти интересные особенности и презентовать полученные результаты, которые в будущем помогут в выборе подходящего места для нового заведения питания.
Для выполнения работы доступен датасет с заведениями общественного питания Москвы, составленный на основе данных сервисов Яндекс Карты и Яндекс Бизнес на лето 2022 года.

Цель работы

Цель работы - подготовить презентацию, которая поможет в выборе подходящего места для открытия заведение общественного питания в Москве.

План выполнения работ

План работ:

1. Загрузить данные и оценить состав исходной информации.
2. Провести предобработку данных.
3. Проанализировать весь состав исходных данных.
4. Детализация анализа в отношении кофеен.
5. Подготовка презентации.

Выполнение работы

import pandas as pd
import re
from IPython.display import display, HTML
import matplotlib.pyplot as plt
from matplotlib.axes import Axes
import numpy as np
import seaborn as sns
import plotly.express as px
import plotly.graph_objects as go
import json
from folium import Map, Choropleth
from folium import Marker, Map
from folium.plugins import MarkerCluster

Получение данных

data = pd.read_csv('/datasets/moscow_places.csv')
data

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats
0	WoWфли	кафе	Москва, улица Дыбенко, 7/1	Северный административный округ	ежедневно, 10:00–22:00	55.878494	37.478860	5.0	NaN	NaN	NaN	NaN	0	NaN
1	Четыре комнаты	ресторан	Москва, улица Дыбенко, 36, корп. 1	Северный административный округ	ежедневно, 10:00–22:00	55.875801	37.484479	4.5	выше среднего	Средний счёт:1500–1600 ₽	1550.0	NaN	0	4.0
2	Хазри	кафе	Москва, Клязьминская улица, 15	Северный административный округ	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	55.889146	37.525901	4.6	средние	Средний счёт:от 1000 ₽	1000.0	NaN	0	45.0
3	Dormouse Coffee Shop	кофейня	Москва, улица Маршала Федоренко, 12	Северный административный округ	ежедневно, 09:00–22:00	55.881608	37.488860	5.0	NaN	Цена чашки капучино:155–185 ₽	NaN	170.0	0	NaN
4	Иль Марко	пиццерия	Москва, Правобережная улица, 1Б	Северный административный округ	ежедневно, 10:00–22:00	55.881166	37.449357	5.0	средние	Средний счёт:400–600 ₽	500.0	NaN	1	148.0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
8401	Суши Мания	кафе	Москва, Профсоюзная улица, 56	Юго-Западный административный округ	ежедневно, 09:00–02:00	55.670021	37.552480	4.4	NaN	NaN	NaN	NaN	0	86.0
8402	Миславнес	кафе	Москва, Пролетарский проспект, 19, корп. 1	Южный административный округ	ежедневно, 08:00–22:00	55.640875	37.656553	4.8	NaN	NaN	NaN	NaN	0	150.0
8403	Самовар	кафе	Москва, Люблинская улица, 112А, стр. 1	Юго-Восточный административный округ	ежедневно, круглосуточно	55.648859	37.743219	3.9	NaN	Средний счёт:от 150 ₽	150.0	NaN	0	150.0
8404	Чайхана Sabr	кафе	Москва, Люблинская улица, 112А, стр. 1	Юго-Восточный административный округ	ежедневно, круглосуточно	55.648849	37.743222	4.2	NaN	NaN	NaN	NaN	1	150.0
8405	Kebab Time	кафе	Москва, Россошанский проезд, 6	Южный административный округ	ежедневно, круглосуточно	55.598229	37.604702	3.9	NaN	NaN	NaN	NaN	0	12.0

8406 rows × 14 columns

#Исключаем дублирование из-за написания названий в разных регистрах
print('В исходных данных представлено {} заведений.'.format(data['name'].str.lower().nunique())) 

В исходных данных представлено 5512 заведений.

print('Типы данных')
data.info()

Типы данных
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8406 entries, 0 to 8405
Data columns (total 14 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   name               8406 non-null   object 
 1   category           8406 non-null   object 
 2   address            8406 non-null   object 
 3   district           8406 non-null   object 
 4   hours              7870 non-null   object 
 5   lat                8406 non-null   float64
 6   lng                8406 non-null   float64
 7   rating             8406 non-null   float64
 8   price              3315 non-null   object 
 9   avg_bill           3816 non-null   object 
 10  middle_avg_bill    3149 non-null   float64
 11  middle_coffee_cup  535 non-null    float64
 12  chain              8406 non-null   int64  
 13  seats              4795 non-null   float64
dtypes: float64(6), int64(1), object(7)
memory usage: 919.5+ KB

Всего 8406 записи. Типы данных: float64(6), int64(1), object(7).

Предобработка данных

Поиск дубликатов

print('Число полных строк - точных дубликатов: {}'.format( data.duplicated().sum()))

Число полных строк - точных дубликатов: 0

Приведем значения всех текстовых столбцов к нижнему регистру, чтобы проверить на дубликаты без учета регистра в написании слов.

data_l = data.copy()
object_columns = data_l.select_dtypes('object').columns.tolist() #Учитываем только тип object
for column in object_columns:
    data_l[column] = data_l[column].str.lower()
display(data_l.head())
print('Число полных строк - дубликатов c приведением к нижнему регистру: {}'.format( data_l.duplicated().sum()))

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats
0	wowфли	кафе	москва, улица дыбенко, 7/1	северный административный округ	ежедневно, 10:00–22:00	55.878494	37.478860	5.0	NaN	NaN	NaN	NaN	0	NaN
1	четыре комнаты	ресторан	москва, улица дыбенко, 36, корп. 1	северный административный округ	ежедневно, 10:00–22:00	55.875801	37.484479	4.5	выше среднего	средний счёт:1500–1600 ₽	1550.0	NaN	0	4.0
2	хазри	кафе	москва, клязьминская улица, 15	северный административный округ	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	55.889146	37.525901	4.6	средние	средний счёт:от 1000 ₽	1000.0	NaN	0	45.0
3	dormouse coffee shop	кофейня	москва, улица маршала федоренко, 12	северный административный округ	ежедневно, 09:00–22:00	55.881608	37.488860	5.0	NaN	цена чашки капучино:155–185 ₽	NaN	170.0	0	NaN
4	иль марко	пиццерия	москва, правобережная улица, 1б	северный административный округ	ежедневно, 10:00–22:00	55.881166	37.449357	5.0	средние	средний счёт:400–600 ₽	500.0	NaN	1	148.0

Число полных строк - дубликатов c приведением к нижнему регистру: 0

Проверим, есть ли дубликаты заведений с различающимися харктеристиками.

print('Число строк - дубликатов по столбцам name и address c приведением к нижнему регистру: {}'
      .format( data_l.duplicated(['name', 'address'])
      .sum()))

Число строк - дубликатов по столбцам name и address c приведением к нижнему регистру: 4

Проверим визуально, насколько эти записи реально являются дубликатами. Отобразим основные и дублиующиеся значения.

data_l[data_l.duplicated(['name', 'address'], keep = False)]

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats
189	кафе	кафе	москва, парк ангарские пруды	северный административный округ	ежедневно, 09:00–23:00	55.880327	37.530786	3.2	NaN	NaN	NaN	NaN	0	NaN
215	кафе	кафе	москва, парк ангарские пруды	северный административный округ	ежедневно, 10:00–22:00	55.881438	37.531848	3.2	NaN	NaN	NaN	NaN	0	NaN
1430	more poke	ресторан	москва, волоколамское шоссе, 11, стр. 2	северный административный округ	ежедневно, 09:00–21:00	55.806307	37.497566	4.2	NaN	NaN	NaN	NaN	0	188.0
1511	more poke	ресторан	москва, волоколамское шоссе, 11, стр. 2	северный административный округ	пн-чт 09:00–18:00; пт,сб 09:00–21:00; вс 09:00...	55.806307	37.497566	4.2	NaN	NaN	NaN	NaN	1	188.0
2211	раковарня клешни и хвосты	ресторан	москва, проспект мира, 118	северо-восточный административный округ	ежедневно, 12:00–00:00	55.810553	37.638161	4.4	NaN	NaN	NaN	NaN	0	150.0
2420	раковарня клешни и хвосты	бар,паб	москва, проспект мира, 118	северо-восточный административный округ	пн-чт 12:00–00:00; пт,сб 12:00–01:00; вс 12:00...	55.810677	37.638379	4.4	NaN	NaN	NaN	NaN	1	150.0
3091	хлеб да выпечка	булочная	москва, ярцевская улица, 19	западный административный округ	ежедневно, 09:00–22:00	55.738886	37.411648	4.1	NaN	NaN	NaN	NaN	1	276.0
3109	хлеб да выпечка	кафе	москва, ярцевская улица, 19	западный административный округ	NaN	55.738449	37.410937	4.1	NaN	NaN	NaN	NaN	0	276.0

Хотя у некоторых дубликатов категории и координаты не совпадают, одинаковые рейтинги и количество посадочных мест говорят о том, что это все-таки дубликаты.
Название "Кафе", вероятно, записано из-за отсутствия точных сведений о реальном названии. По остальным строкам, очевидно, есть дублирование, но надо понять, какие данные следует оставить, так как они в некоторых колонках заполнены по-разному. Например, во времени работы и признаке принадлежности сети.

Проверим все записи с названиями из списка дублирующихся заведений.

dupl_names = data_l[data_l.duplicated(['name', 'address'], keep = False)]['name'].unique()
list(dupl_names)

['кафе', 'more poke', 'раковарня клешни и хвосты', 'хлеб да выпечка']

Исключим название "кафе".

data_l[data_l['name'].isin(['more poke', 'раковарня клешни и хвосты', 'хлеб да выпечка'])].sort_values(by='name')

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats
1430	more poke	ресторан	москва, волоколамское шоссе, 11, стр. 2	северный административный округ	ежедневно, 09:00–21:00	55.806307	37.497566	4.2	NaN	NaN	NaN	NaN	0	188.0
1511	more poke	ресторан	москва, волоколамское шоссе, 11, стр. 2	северный административный округ	пн-чт 09:00–18:00; пт,сб 09:00–21:00; вс 09:00...	55.806307	37.497566	4.2	NaN	NaN	NaN	NaN	1	188.0
6088	more poke	ресторан	москва, духовской переулок, 19	южный административный округ	ежедневно, 10:00–22:00	55.704177	37.612889	4.4	NaN	NaN	NaN	NaN	1	NaN
2211	раковарня клешни и хвосты	ресторан	москва, проспект мира, 118	северо-восточный административный округ	ежедневно, 12:00–00:00	55.810553	37.638161	4.4	NaN	NaN	NaN	NaN	0	150.0
2420	раковарня клешни и хвосты	бар,паб	москва, проспект мира, 118	северо-восточный административный округ	пн-чт 12:00–00:00; пт,сб 12:00–01:00; вс 12:00...	55.810677	37.638379	4.4	NaN	NaN	NaN	NaN	1	150.0
7270	раковарня клешни и хвосты	бар,паб	москва, братиславская улица, 12	юго-восточный административный округ	пн-чт 12:00–00:00; пт,сб 12:00–01:00; вс 12:00...	55.659744	37.752984	4.9	средние	цена бокала пива:150–250 ₽	NaN	NaN	1	40.0
3091	хлеб да выпечка	булочная	москва, ярцевская улица, 19	западный административный округ	ежедневно, 09:00–22:00	55.738886	37.411648	4.1	NaN	NaN	NaN	NaN	1	276.0
3109	хлеб да выпечка	кафе	москва, ярцевская улица, 19	западный административный округ	NaN	55.738449	37.410937	4.1	NaN	NaN	NaN	NaN	0	276.0
7937	хлеб да выпечка	кофейня	москва, каширское шоссе, 61г	южный административный округ	ежедневно, 09:00–22:00	55.621379	37.714108	4.5	NaN	NaN	NaN	NaN	1	NaN

По всем дубликатам нашлись еще по одному заведению с другим адресом. Имеет смысл из дубликатов оставить только те, которые имеют признаки сетевых. Альтернативные удаляем.

to_del = list([1430, 2211, 3109])

#Удаляем в датасете со строчными буквами в текстовых значениях
print('Исходное количество записей:', len(data_l))
data_l = data_l.drop(index=to_del)
print('Итоговое количество записей:', len(data_l))

Исходное количество записей: 8406
Итоговое количество записей: 8403

#Удаляем дубликаты в исходном датасете
print('Исходное количество записей:', len(data))
data = data.drop(index=to_del)
print('Итоговое количество записей:', len(data))

Исходное количество записей: 8406
Итоговое количество записей: 8403

Поиск пропусков

Проверим, сколько пустых значений NaN в каждой колонке.

data_l.isna().sum()

name                    0
category                0
address                 0
district                0
hours                 535
lat                     0
lng                     0
rating                  0
price                5088
avg_bill             4587
middle_avg_bill      5254
middle_coffee_cup    7868
chain                   0
seats                3611
dtype: int64

Заполним пустые ячейки в колонке hours значением 'нет данных'.

data['hours'] = data['hours'].fillna('нет данных')
data.isna().sum()

name                    0
category                0
address                 0
district                0
hours                   0
lat                     0
lng                     0
rating                  0
price                5088
avg_bill             4587
middle_avg_bill      5254
middle_coffee_cup    7868
chain                   0
seats                3611
dtype: int64

Что делать с попущенными значениями будет понятно из того, для каких выводов потребуются эти данные.

Отдельный столбец с названием улицы

pattern = ',[0-9А-Яа-яЁё -]*' #Для поиска фрагмента текста после первой запятой до следующей, если она есть
data['street'] = data['address'].map(
    lambda x:  re.search(pattern, x).group().strip(', ') )#у выделенного образца удаляем ненужные символы
display(data[['address', 'street']].head())

	address	street
0	Москва, улица Дыбенко, 7/1	улица Дыбенко
1	Москва, улица Дыбенко, 36, корп. 1	улица Дыбенко
2	Москва, Клязьминская улица, 15	Клязьминская улица
3	Москва, улица Маршала Федоренко, 12	улица Маршала Федоренко
4	Москва, Правобережная улица, 1Б	Правобережная улица

Проверим, где улица не обработалась, по длине строки значения в новом столбце улицы.

data['st_name_len'] =data['street'].map(lambda x: len(x)) #добавляем столбец с длиной строки названия улицы
#проверяем отсутствие заполнения названия улицы
display(data.query('st_name_len < 1')[['address', 'street', 'st_name_len']].sort_values(by=['st_name_len','street']))
data.drop('st_name_len', axis= 1 , inplace= True ) #удаляем столбец с длиной строки названия улицы

	address	street	st_name_len
6309	Москва, № 7		0

Очевидна ошибка в заполнении адреса. Данный адрес можно не учитывать.

Признак круглосуточной работы

Создаем новый столбец is_24_7 с логическим признаком круглосуточной работы.

data['is_24_7'] = data['hours'].map(lambda x: True if 'ежедневно, круглосуточно' in x else False)
display(data[['hours','is_24_7']])
print(data['is_24_7'].value_counts());

	hours	is_24_7
0	ежедневно, 10:00–22:00	False
1	ежедневно, 10:00–22:00	False
2	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	False
3	ежедневно, 09:00–22:00	False
4	ежедневно, 10:00–22:00	False
...	...	...
8401	ежедневно, 09:00–02:00	False
8402	ежедневно, 08:00–22:00	False
8403	ежедневно, круглосуточно	True
8404	ежедневно, круглосуточно	True
8405	ежедневно, круглосуточно	True

8403 rows × 2 columns

False    7673
True      730
Name: is_24_7, dtype: int64

Всего 730 заведений работают ежедневно и круглосуточно.

Проверяем датасет:

data.head()

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats	street	is_24_7
0	WoWфли	кафе	Москва, улица Дыбенко, 7/1	Северный административный округ	ежедневно, 10:00–22:00	55.878494	37.478860	5.0	NaN	NaN	NaN	NaN	0	NaN	улица Дыбенко	False
1	Четыре комнаты	ресторан	Москва, улица Дыбенко, 36, корп. 1	Северный административный округ	ежедневно, 10:00–22:00	55.875801	37.484479	4.5	выше среднего	Средний счёт:1500–1600 ₽	1550.0	NaN	0	4.0	улица Дыбенко	False
2	Хазри	кафе	Москва, Клязьминская улица, 15	Северный административный округ	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	55.889146	37.525901	4.6	средние	Средний счёт:от 1000 ₽	1000.0	NaN	0	45.0	Клязьминская улица	False
3	Dormouse Coffee Shop	кофейня	Москва, улица Маршала Федоренко, 12	Северный административный округ	ежедневно, 09:00–22:00	55.881608	37.488860	5.0	NaN	Цена чашки капучино:155–185 ₽	NaN	170.0	0	NaN	улица Маршала Федоренко	False
4	Иль Марко	пиццерия	Москва, Правобережная улица, 1Б	Северный административный округ	ежедневно, 10:00–22:00	55.881166	37.449357	5.0	средние	Средний счёт:400–600 ₽	500.0	NaN	1	148.0	Правобережная улица	False

Анализ данных

Категории заведений

cats = pd.DataFrame(data.category.value_counts()).reset_index()
cats.columns = ['categories','amount']
cats

	categories	amount
0	кафе	2377
1	ресторан	2041
2	кофейня	1413
3	бар,паб	765
4	пиццерия	633
5	быстрое питание	603
6	столовая	315
7	булочная	256

print('В данных присутствуют следующие типы заведений: {}'.format(cats['categories'].unique()))

В данных присутствуют следующие типы заведений: ['кафе' 'ресторан' 'кофейня' 'бар,паб' 'пиццерия' 'быстрое питание'
 'столовая' 'булочная']

sns.set_palette("pastel")
f, ax = plt.subplots(figsize=(5, 5))
hbars = ax.barh(cats['categories'], cats['amount'], label = cats['amount'], align='center')
ax.invert_yaxis()
ax.bar_label(hbars, padding=5,  
             fontsize=12, label_type='edge' 
            )
ax.spines[['right', 'top']].set_visible(False)
ax.set_xlabel('Количество')
ax.set_ylabel('Типы заведений')
ax.set_title('Количество заведений по категориям', fontweight = 'bold')
plt.show();

Наибольшее количество заведений присутствует в категории "кафе" - 2377, наименьшее - в категории "булочная" - 256.

Количество посадочных мест

data_to_plot = data.copy()

#Заменим признак сети на смысловой текст для вывода на графики
data_to_plot['chain'] = data_to_plot['chain'].map(lambda x: 'Сеть' if x else 'Не сеть')

Оценим все данные и величины их выбросов.

sns.set_theme(style="whitegrid", font_scale= 1.1)
fig, ax = plt.subplots(figsize=(15, 10))

vplot = sns.stripplot(x='seats', y='category',
               data=data_to_plot,  ax = ax,   dodge=True, hue = 'chain', palette='tab10', size=5, marker="o", alpha=.15)

sns.boxplot(x='seats', y='category',
               data=data_to_plot, palette='tab10', ax = ax,  hue = 'chain', fill = False, gap=.1, linewidth=3)

ax.set_xlabel("Количество посадочных мест", fontsize=14)
vplot.legend(title = "Принадлежность заведения сети", title_fontsize = 14, fontsize = 12, shadow = True, facecolor = 'white')
ax.set_ylabel("Типы заведений", fontsize=14)
ax.set_title("Количество посадочных мест по типам заведений", fontsize=16, fontweight = 'bold')
sns.despine(top=True)
plt.show()

Ограничим видимую область для лучего масштаба, построим два графика с сортировкой медианных средних числа посадочных мест сначала сетевых заведений, затем - несетевых.

for chain_type in ['Сеть', 'Не сеть']:
    index_sorted = data_to_plot.query('chain == @chain_type').groupby('category')['seats'].median().sort_values(ascending = False).index
    index_sorted

    sns.set_theme(style="whitegrid", font_scale= 1.1)
    fig, ax = plt.subplots(figsize=(10, 8))

    ax.set_xlim(0, 400)

    vplot = sns.stripplot(x='seats', y='category',
                   data=data_to_plot,  ax = ax,   dodge=True, hue = 'chain',
                          palette='tab10', size=5, marker="o", alpha=.15, order = index_sorted)

    sns.boxplot(x='seats', y='category',
                   data=data_to_plot, palette='tab10', ax = ax,  hue = 'chain',
                fill = False, gap=.1, linewidth=3, order = index_sorted)

    ax.set_xlabel("Количество посадочных мест", fontsize=14)
    vplot.legend(title = "Принадлежность сети", title_fontsize = 14, fontsize = 12, shadow = True, facecolor = 'white')
    ax.set_ylabel("Типы заведений", fontsize=14)
    ax.set_title("Количество посадочных мест по типам заведений c сортировкой медиан для типа '"+ chain_type+"'",
                 fontsize=16, fontweight = 'bold')
    sns.despine(top=True, right=True)
    plt.show()
    print('Типы заведений по убыванию медианных значений посадочных мест:', list(index_sorted))

Типы заведений по убыванию медианных значений посадочных мест: ['ресторан', 'кофейня', 'бар,паб', 'столовая', 'быстрое питание', 'кафе', 'пиццерия', 'булочная']

Типы заведений по убыванию медианных значений посадочных мест: ['бар,паб', 'ресторан', 'столовая', 'кофейня', 'пиццерия', 'быстрое питание', 'кафе', 'булочная']

Если учитывать сетевые заведения, то по убыванию медианных значений количества посадочным мест порядок будет такой: 'ресторан', 'кофейня', 'бар,паб', 'столовая', 'быстрое питание', 'кафе', 'пиццерия', 'булочная'. Для несетевых заведений - 'бар,паб', 'ресторан', 'столовая', 'кофейня', 'пиццерия', 'быстрое питание', 'кафе', 'булочная'.

Соотношение сетевых и несетевых заведений

sns.set_palette("pastel")
patches, texts, autotexts = plt.pie(data.chain.value_counts(normalize=True)*100,
       labels = ['Не сетевые', 'Сетевые'], labeldistance=1.2,
       autopct='%.0f%%', textprops={'fontsize': 18})
plt.title("Соотношение количества типов заведений", fontsize = 18, fontweight = 'bold')

for autotext in autotexts:
    autotext.set_color('b')
    autotext.set_fontsize(20)
    autotext.set_fontweight('bold')

plt.show()

Не сетевых заведений больше - их 62% от общего числа, а сетевых - 38%.

Категории сетевых заведений

chain_percent=data_to_plot.groupby('category')['chain'].value_counts(normalize=True).reset_index(name='percent')
chain_percent['percent'] = chain_percent['percent'] *100
chain_percent

	category	chain	percent
0	бар,паб	Не сеть	77.908497
1	бар,паб	Сеть	22.091503
2	булочная	Сеть	61.328125
3	булочная	Не сеть	38.671875
4	быстрое питание	Не сеть	61.525705
5	быстрое питание	Сеть	38.474295
6	кафе	Не сеть	67.227598
7	кафе	Сеть	32.772402
8	кофейня	Сеть	50.955414
9	кофейня	Не сеть	49.044586
10	пиццерия	Сеть	52.132701
11	пиццерия	Не сеть	47.867299
12	ресторан	Не сеть	64.233219
13	ресторан	Сеть	35.766781
14	столовая	Не сеть	72.063492
15	столовая	Сеть	27.936508

cat_sorted1 = list(chain_percent.query('chain == "Сеть"').sort_values(by='percent',ascending=False)['category'])
print('Категории по убыванию доли сетевых заведений:', cat_sorted1)

Категории по убыванию доли сетевых заведений: ['булочная', 'пиццерия', 'кофейня', 'быстрое питание', 'ресторан', 'кафе', 'столовая', 'бар,паб']

fig, axs = plt.subplots(ncols=2, figsize=(15, 6),  sharey=True) #Два графика на одной оси
sns.set_palette('pastel')

#Диаграмма с долями в процентах
sns.barplot(y='category', x='percent', hue='chain', data=chain_percent, 
            orient='h', ax=axs[0], palette='pastel', legend=False,
            order = cat_sorted1) #Сортируем по предыдущему списку)
for container in axs[0].containers:
    axs[0].bar_label(container, fmt='%.1f%%')

axs[0].set_xlabel("Доли сетевых типов по количеству, %", fontsize=14)
axs[0].set_ylabel("Категории", fontsize=14)
axs[0].set_title("Доли типов 'сеть/не сеть' по категориям",
                 fontsize=16, fontweight = 'bold')

#Диаграмма с абсолютными значениями
g2 = sns.countplot(y='category', hue='chain', data=data_to_plot, ax=axs[1]) 

for container in axs[1].containers:
    axs[1].bar_label(container)

axs[1].set_xlabel("Количество заведений", fontsize=14)
axs[1].set_title("Количество заведений по категориям",
                 fontsize=16, fontweight = 'bold')
    
g2.legend(title = "Принадлежность сети", title_fontsize = 14, fontsize = 12, shadow = True, facecolor = 'white')
    
sns.despine(top=True, right=True)    

fig.tight_layout()    

По доле сетевых заведений лидирует категория "Булочные", затем идут "Пиццерия" и "Кофейня".

Популярные сети

Выберем 15 сетей с наибольшим количеством точек.

pop_chains = data.query('chain == 1').groupby(['name','category'])['address'].agg('count')\
    .sort_values(ascending=False).reset_index(name='count').head(15)
display(pop_chains)
print('Топ15 сетей:', pop_chains.name.to_list())

	name	category	count
0	Шоколадница	кофейня	119
1	Домино'с Пицца	пиццерия	76
2	Додо Пицца	пиццерия	74
3	One Price Coffee	кофейня	71
4	Яндекс Лавка	ресторан	69
5	Cofix	кофейня	65
6	Prime	ресторан	49
7	КОФЕПОРТ	кофейня	42
8	Кулинарная лавка братьев Караваевых	кафе	39
9	Теремок	ресторан	36
10	CofeFest	кофейня	31
11	Чайхана	кафе	26
12	Буханка	булочная	25
13	Drive Café	кафе	24
14	Кофемания	кофейня	22

Топ15 сетей: ['Шоколадница', "Домино'с Пицца", 'Додо Пицца', 'One Price Coffee', 'Яндекс Лавка', 'Cofix', 'Prime', 'КОФЕПОРТ', 'Кулинарная лавка братьев Караваевых', 'Теремок', 'CofeFest', 'Чайхана', 'Буханка', 'Drive Café', 'Кофемания']

Проверим, к каким категориям относятся ТОП15 сетей.

print ('Категории по убыванию частотности для наиболее распространенных сетей:', pop_chains.groupby('category').name.agg('count').sort_values(ascending=False))

Категории по убыванию частотности для наиболее распространенных сетей: category
кофейня     6
кафе        3
ресторан    3
пиццерия    2
булочная    1
Name: name, dtype: int64

Объединим название сети с ее категорией для удобства визуализации.

pop_chains.name = pop_chains.name + ' (' + pop_chains.category + ')'
pop_chains.drop('category', axis= 1 , inplace= True )
pop_chains

	name	count
0	Шоколадница (кофейня)	119
1	Домино'с Пицца (пиццерия)	76
2	Додо Пицца (пиццерия)	74
3	One Price Coffee (кофейня)	71
4	Яндекс Лавка (ресторан)	69
5	Cofix (кофейня)	65
6	Prime (ресторан)	49
7	КОФЕПОРТ (кофейня)	42
8	Кулинарная лавка братьев Караваевых (кафе)	39
9	Теремок (ресторан)	36
10	CofeFest (кофейня)	31
11	Чайхана (кафе)	26
12	Буханка (булочная)	25
13	Drive Café (кафе)	24
14	Кофемания (кофейня)	22

fig, ax = plt.subplots(figsize=(6, 8))
sns.barplot(y='name', x='count', data=pop_chains, 
            orient='h', palette='crest_r', hue='name', legend=False)
for container in ax.containers:
    ax.bar_label(container)
    
ax.set_xlabel("Количество точек", fontsize=14)
ax.set_ylabel("Сети", fontsize=14)
ax.set_title("Количество точек по топ15 сетевых заведений",
                 fontsize=16, fontweight = 'bold')
sns.despine(top=True, right=True)
fig.show()

Заведения по районам Москвы

df2 = data.groupby(['district', 'category'])['name'].agg('count').reset_index()
df2['district'] = df2['district'].str.replace('административный округ','АО') #Сокращаем текст для удобства визуализации
df2

	district	category	name
0	Восточный АО	бар,паб	53
1	Восточный АО	булочная	25
2	Восточный АО	быстрое питание	71
3	Восточный АО	кафе	272
4	Восточный АО	кофейня	105
...	...	...	...
67	Южный АО	кафе	264
68	Южный АО	кофейня	131
69	Южный АО	пиццерия	73
70	Южный АО	ресторан	202
71	Южный АО	столовая	44

72 rows × 3 columns

df2_1 = df2.groupby('district')['name'].agg('sum').sort_values()
print('Количество заведений по районам\n', df2_1)

Количество заведений по районам
 district
Северо-Западный АО      409
Юго-Западный АО         709
Юго-Восточный АО        714
Восточный АО            798
Западный АО             850
Северо-Восточный АО     890
Южный АО                892
Северный АО             899
Центральный АО         2242
Name: name, dtype: int64

fig = px.bar(df2, y="district", x="name", color="category",  orientation='h', text_auto=True)
#Добавляем сумманые данные по районам в целом
fig.add_trace(go.Scatter(mode='text', orientation='h',
                         #Привязываемся к списку районов
                         y=df2.groupby('district')['name'].agg('sum').index.tolist(),
                         #Выводим текст правее графических колонок
                         x=df2.groupby('district')['name'].agg('sum').map(lambda x: x+100).tolist(),
                         text=['Всего: '+ str(x) for x in df2.groupby('district')['name'].agg('sum').tolist()],
                         textposition='middle right',
                         textfont=dict(size=14),
                         showlegend=False
                        ))

fig.update_yaxes(tickangle=-45, categoryorder= 'array', categoryarray = df2_1.index) #Применяем сортировку
fig.update_xaxes(range=[0, 2700])
fig.update_layout(legend=dict(orientation="h", title = 'Категории', y=-0.15),
                  title=dict(text="<b>Типы категорий заведений по округам Москвы</b>", font=dict(size=16)),
                  xaxis_title="Количество заведений",
                  yaxis_title="Районы")

fig.show()

Больше всего заведений в ЦАО, особенное отличие от других округов по категориям рестоанов, кофеен, кафе и баров.
Меньше всего заведений в СЗАО.

Средние рейтинги

print("Минимальное и максимальное значения рейтингов:",data_to_plot['rating'].min(), data_to_plot['rating'].max())

Минимальное и максимальное значения рейтингов: 1.0 5.0

print('Распределение средних рейтингов по категориям заведений')
cat_rating = data_to_plot.groupby(['category','chain'])['rating'].agg(['mean','median']).reset_index()
cat_rating

Распределение средних рейтингов по категориям заведений

	category	chain	mean	median
0	бар,паб	Не сеть	4.386913	4.40
1	бар,паб	Сеть	4.390533	4.40
2	булочная	Не сеть	4.240404	4.30
3	булочная	Сеть	4.285987	4.30
4	быстрое питание	Не сеть	4.046361	4.20
5	быстрое питание	Сеть	4.056466	4.20
6	кафе	Не сеть	4.087484	4.20
7	кафе	Сеть	4.198588	4.30
8	кофейня	Не сеть	4.350505	4.40
9	кофейня	Сеть	4.206806	4.20
10	пиццерия	Не сеть	4.321122	4.30
11	пиццерия	Сеть	4.283030	4.30
12	ресторан	Не сеть	4.325248	4.40
13	ресторан	Сеть	4.227671	4.30
14	столовая	Не сеть	4.201322	4.30
15	столовая	Сеть	4.237500	4.25

Ввиду того, что все оценки ограничены значениями от 1 до 5, для оценки можно использовать среднее арифметическое.

Отсортируем по седнему рейтингу несетевых заведений.

cat_sorted1 = list(cat_rating.query('chain == "Не сеть"').sort_values(by='mean',ascending=False)['category'])
print('Категории по убыванию доли сетевых заведений:', cat_sorted1)

Категории по убыванию доли сетевых заведений: ['бар,паб', 'кофейня', 'ресторан', 'пиццерия', 'булочная', 'столовая', 'кафе', 'быстрое питание']

sns.set_palette('pastel')
fig, ax = plt.subplots(figsize=(10, 8))
p = sns.barplot(y='category', x= 'mean' , data=cat_rating, order = cat_sorted1,
            orient='h', hue='chain', legend=True)
ax.set_xlim(4, 4.42)

for container in ax.containers:
    ax.bar_label(container, fmt='%.3f')
    
sns.despine(right=True, top = True)
plt.legend(loc='lower right')
ax.set_xlabel("Среднее арифметическое рейтингов", fontsize=14)
ax.set_ylabel("Категории", fontsize=14)
ax.set_title("Распределение средних рейтингов по категориям заведений",
                 fontsize=16, fontweight = 'bold')

fig.show()

Наиболее высокие рейтинги у баров. Затем у несетевых кофеен, ресторанов и пиццерий. У быстрого питания самые низкие средние рейтинги, которые меньше, чем у баров на 0.7.

Хороплет с рейтингом

Рассчитаем средний рейтинг заведений каждого района.

cat_rating_s = data_to_plot.groupby('district')['rating'].agg('mean').reset_index().sort_values(by='rating', ascending=False)
display(cat_rating_s)

	district	rating
5	Центральный административный округ	4.377520
2	Северный административный округ	4.239822
4	Северо-Западный административный округ	4.208802
8	Южный административный округ	4.184417
1	Западный административный округ	4.181647
0	Восточный административный округ	4.174185
7	Юго-Западный административный округ	4.172920
3	Северо-Восточный административный округ	4.147978
6	Юго-Восточный административный округ	4.101120

with open('/datasets/admin_level_geomap.geojson', 'r') as f:
    geo_json = json.load(f)

# загружаем JSON-файл с границами округов Москвы
state_geo = '/datasets/admin_level_geomap.geojson'
# moscow_lat - широта центра Москвы, moscow_lng - долгота центра Москвы
moscow_lat, moscow_lng = 55.751244, 37.618423

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=9.3, tiles='Cartodb Positron',
       width=500,height=500)

# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=cat_rating_s,
    columns=['district', 'rating'],
    key_on='feature.name',
    fill_color='YlGn',
    fill_opacity=0.8,
    legend_name='Средний рейтинг заведений по районам',
).add_to(m)

# выводим карту
m

Make this Notebook Trusted to load map: File -> Trust Notebook

print('Перечень административных округов по убыванию рейтинга:',
      cat_rating_s.district.str.replace('административный округ','АО').to_list())

Перечень административных округов по убыванию рейтинга: ['Центральный АО', 'Северный АО', 'Северо-Западный АО', 'Южный АО', 'Западный АО', 'Восточный АО', 'Юго-Западный АО', 'Северо-Восточный АО', 'Юго-Восточный АО']

Заведения на карте

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=9.3, tiles='Cartodb Positron',
       width=1000,height=400)
# создаём пустой кластер, добавляем его на карту
marker_cluster = MarkerCluster().add_to(m)

# пишем функцию, которая принимает строку датафрейма,
# создаёт маркер в текущей точке и добавляет его в кластер marker_cluster
def create_clusters(row):
    Marker(
        [row['lat'], row['lng']],
        popup=f"{row['name']} {row['rating']}",
    ).add_to(marker_cluster)

# применяем функцию create_clusters() к каждой строке датафрейма
data.apply(create_clusters, axis=1)

# выводим карту
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Топ-15 улиц по количеству заведений

top15_str_amnt = data.groupby('street')['name'].agg('count').sort_values(ascending=False).head(15)
print('Топ-15 улиц и количество заведений')
display(top15_str_amnt)
print('Список улиц по убыванию количества заведений:', top15_str_amnt.index.to_list())

Топ-15 улиц и количество заведений

street
проспект Мира             183
Профсоюзная улица         122
проспект Вернадского      108
Ленинский проспект        108
Ленинградский проспект     95
Дмитровское шоссе          88
Каширское шоссе            77
Варшавское шоссе           76
Ленинградское шоссе        70
МКАД                       65
Люблинская улица           60
улица Вавилова             55
Кутузовский проспект       54
улица Миклухо-Маклая       49
Пятницкая улица            48
Name: name, dtype: int64

Список улиц по убыванию количества заведений: ['проспект Мира', 'Профсоюзная улица', 'проспект Вернадского', 'Ленинский проспект', 'Ленинградский проспект', 'Дмитровское шоссе', 'Каширское шоссе', 'Варшавское шоссе', 'Ленинградское шоссе', 'МКАД', 'Люблинская улица', 'улица Вавилова', 'Кутузовский проспект', 'улица Миклухо-Маклая', 'Пятницкая улица']

Немного неожиданно рассматривать МКАД, как улицу. Но формально, МКАД - главная магистральная улица 1-го класса.

top15_str_df = data.query('street in @top15_str_amnt.index') #Датасет только по 15 выбранным улицам
#Группировка по улицам и категориям с количеством заведений
df3 = top15_str_df.groupby(['street', 'category'])['name'].agg('count').reset_index() 
display(df3.head())
#Группировка только по улицам с количеством заведений
df3_1 = top15_str_df.groupby('street')['name'].agg('count').reset_index().sort_values(by='name')
display(df3_1)

	street	category	name
0	Варшавское шоссе	бар,паб	6
1	Варшавское шоссе	быстрое питание	7
2	Варшавское шоссе	кафе	18
3	Варшавское шоссе	кофейня	14
4	Варшавское шоссе	пиццерия	4

	street	name
10	Пятницкая улица	48
14	улица Миклухо-Маклая	49
3	Кутузовский проспект	54
13	улица Вавилова	55
7	Люблинская улица	60
8	МКАД	65
5	Ленинградское шоссе	70
0	Варшавское шоссе	76
2	Каширское шоссе	77
1	Дмитровское шоссе	88
4	Ленинградский проспект	95
6	Ленинский проспект	108
11	проспект Вернадского	108
9	Профсоюзная улица	122
12	проспект Мира	183

fig = px.bar(df3, y="street", x="name", color="category",  orientation='h', text_auto=True, width=900, height=600)
#Добавление подписей для улиц целиком
fig.add_trace(go.Scatter(mode='text', orientation='h',
                         y=df3.groupby('street')['name'].agg('sum').index.tolist(),
                         #Определение позиций текста с итоговыми по улице данными 
                         x=df3.groupby('street')['name'].agg('sum').map(lambda x: x+5).tolist(),
                         text=['Всего: '+ str(x) for x in df3.groupby('street')['name'].agg('sum').tolist()],
                         textposition='middle right',
                         textfont=dict(size=14),
                         showlegend=False
                        ))
#Располагаем улицы в отсортированном порядке по количеству заведений
fig.update_yaxes(tickangle=-45, categoryorder= 'array', categoryarray = df3_1.street)
fig.update_xaxes(range=[0, 210])

fig.update_layout(legend=dict(
                    orientation="h",
                    yanchor="top",
                    y=-0.15,
                    xanchor="left",
                    x=0
                    ),
            title=dict(text="<b>Типы категорий заведений по районам Москвы</b>", font=dict(size=16)),
            xaxis_title="Количество заведений",
            yaxis_title="Районы"
                 )


fig.update_layout(legend=dict(orientation="h", title = 'Категории', y=-0.15),
                  title=dict(text="<b>Количество заведений по топ-15 улиц Москвы</b>", font=dict(size=16)),
                  xaxis_title="Количество заведений",
                  yaxis_title="Улицы")


fig.show()

Больше всего заведений на проспекте Мира. Особенно много на ней ресторанов, кофеен и кафе.

Улицы с одним объектом

one_obj_str = data.groupby('street')['name'].agg('count').sort_values(ascending=True)\
                .reset_index().query('name==1').street.to_list()
print('Количеcтво улиц только с одним заведением питания:', len(one_obj_str))
one_obj_df = data.query('street in @one_obj_str')
display(one_obj_df.columns)
col_disp1 = ['category', 'district']

col_disp_circ = ['chain', 'is_24_7']

col_disp2 = ['rating', 'price', 'middle_avg_bill', 'middle_coffee_cup', 'seats']

for c in col_disp1:
    df_temp = one_obj_df[c].value_counts().reset_index() 
    f, ax = plt.subplots(figsize=(5, 5))
    hbars = ax.barh(df_temp['index'].str.replace('административный округ','АО'), df_temp[c], label = df_temp[c], align='center')
    ax.invert_yaxis()
    ax.bar_label(hbars, padding=5,  
             fontsize=12, label_type='edge' 
            )
    ax.spines[['right', 'top']].set_visible(False)
    ax.set_xlabel('Количество')
    ax.set_ylabel(c)
    ax.set_title('Улицы с 1 точкой по '+ c, fontweight = 'bold')
    plt.show();


for c in col_disp_circ:
    df_temp = one_obj_df[c].value_counts(normalize=True)*100
    patches, texts, autotexts = plt.pie(df_temp,
    labels = [c+' - нет', c+' - да'], labeldistance=1.2,
    autopct='%.0f%%', textprops={'fontsize': 18})
    plt.title('Улицы с 1 точкой по '+ c, fontsize = 18, fontweight = 'bold')

    for autotext in autotexts:
        autotext.set_color('b')
        autotext.set_fontsize(20)
        autotext.set_fontweight('bold')
    plt.show()
    
for c in col_disp2:
    x=one_obj_df[c].hist()
    plt.title('Гистрогамма для '+ c)
    plt.show();

Количеcтво улиц только с одним заведением питания: 453

Index(['name', 'category', 'address', 'district', 'hours', 'lat', 'lng',
       'rating', 'price', 'avg_bill', 'middle_avg_bill', 'middle_coffee_cup',
       'chain', 'seats', 'street', 'is_24_7'],
      dtype='object')

Не смотря на то, что в ЦАО больше всего заведений, в этом округе самое большое количество улиц всего с одним заведением. Несетевых заведений, присутствующих в одиночку на какой-то улице, в три раза больше, чем сетевых. Подавляющее большинство таких заведений не работают ежедневно и круглосуточно. У большинства из них рейтинг от 4.3 до 4.5. Цены - средние. Количество посадочных мест - до 100.

Скорей всего, на этих улицах низкая проходимость, или они довольно короткие и рядом уже есть заведения питания.

Средние чеки по округам Москвы

Рассчитаем медианные значения средних чеков для каждого округа.

dist_avg_bill = data.groupby('district')['middle_avg_bill'].agg('median').reset_index().sort_values(by='middle_avg_bill', ascending=False)
dist_avg_bill

	district	middle_avg_bill
1	Западный административный округ	1000.0
5	Центральный административный округ	1000.0
4	Северо-Западный административный округ	700.0
2	Северный административный округ	650.0
7	Юго-Западный административный округ	600.0
0	Восточный административный округ	575.0
3	Северо-Восточный административный округ	500.0
8	Южный административный округ	500.0
6	Юго-Восточный административный округ	450.0

with open('/datasets/admin_level_geomap.geojson', 'r') as f:
    geo_json = json.load(f)

# загружаем JSON-файл с границами округов Москвы
state_geo = '/datasets/admin_level_geomap.geojson'
# moscow_lat - широта центра Москвы, moscow_lng - долгота центра Москвы
moscow_lat, moscow_lng = 55.751244, 37.618423

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=9.3, tiles='Cartodb Positron',
       width=500,height=500)

# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=dist_avg_bill,
    columns=['district', 'middle_avg_bill'],
    key_on='feature.name',
    fill_color='YlOrBr',
    fill_opacity=0.8,
    legend_name='Средний чек заведений по округам',
).add_to(m)

# выводим карту
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Самые высокие средние чеки в Центральном и Западном административных округах. В остальных округах цены ниже.

Посчитаем условное угловое расстояние заведений от центра Москвы.

data['center_dist'] = data.apply(
    lambda x: np.linalg.norm( np.array((moscow_lat, moscow_lng))-np.array((x['lat'],x['lng']))),
    axis = 1
    )
data[['name', 'center_dist']].head()

	name	center_dist
0	WoWфли	0.188866
1	Четыре комнаты	0.182908
2	Хазри	0.166064
3	Dormouse Coffee Shop	0.183797
4	Иль Марко	0.213221

Разделим все расстояние от центра на условные 5 зон удаления.

data['center_dist'] = data['center_dist'].apply(lambda x: round(round(x*100)/5))

sns.set_palette('tab10')
fig, ax = plt.subplots(figsize=(8, 8))
ax.set_ylim(0, 3500)

sns.boxplot(data=data, x='center_dist', y='middle_avg_bill', fill = False, linewidth=3)
ax.set_xlabel("Условное расстояние до центра (центр и 5 зон удаления)", fontsize=14)
ax.set_ylabel("Средний чек", fontsize=14)
ax.set_title("Зависимость среднего чека от расстояния до центра", fontsize=16, fontweight = 'bold')
sns.despine(top=True)
plt.show()

fig.show()

Видно, что в самом центре и ближайшей к нему зоне цены выше. Далее цены приблизительно одинаковые и начинают снижаться только ближе к МКАД.

Общий вывод по анализу данных

В данных присутствуют следующие типы заведений: 'кафе' 'ресторан' 'кофейня' 'бар,паб' 'пиццерия' 'быстрое питание' 'столовая' 'булочная'.
Наибольшее количество заведений присутствует в категории "кафе" - 2377, наименьшее - в категории "булочная" - 256.

Если учитывать сетевые заведения, то по убыванию медианных значений количества посадочным мест порядок будет такой: 'ресторан', 'кофейня', 'бар,паб', 'столовая', 'быстрое питание', 'кафе', 'пиццерия', 'булочная'. Для несетевых заведений - 'бар,паб', 'ресторан', 'столовая', 'кофейня', 'пиццерия', 'быстрое питание', 'кафе', 'булочная'.

Несетевых заведений больше - их 62% от общего числа, а сетевых - 38%.

Категории по убыванию доли сетевых заведений: 'булочная', 'пиццерия', 'кофейня', 'быстрое питание', 'ресторан', 'кафе', 'столовая', 'бар,паб'. То есть, по доле сетевых заведений лидирует категория "Булочные", затем идут "Пиццерия" и "Кофейня".

Топ-15 сетей: 'Шоколадница', "Домино'с Пицца", 'Додо Пицца', 'One Price Coffee', 'Яндекс Лавка', 'Cofix', 'Prime', 'КОФЕПОРТ', 'Кулинарная лавка братьев Караваевых', 'Теремок', 'CofeFest', 'Чайхана', 'Буханка', 'Drive Café', 'Кофемания'.
Категории этих заведений по убыванию частотности: кофейня, кафе, ресторан, пиццерия, булочная.
Больше всего заведений в ЦАО, особенное отличие от других округов по категориям рестоанов, кофеен, кафе и баров.
Меньше всего заведений в СЗАО.

Наиболее высокие рейтинги у баров. Затем у несетевых кофеен, ресторанов и пиццерий. У быстрого питания самые низкие средние рейтинги, которые меньше, чем у баров на 0.7.

Перечень административных округов по убыванию рейтинга: 'Центральный АО', 'Северный АО', 'Северо-Западный АО', 'Южный АО', 'Западный АО', 'Восточный АО', 'Юго-Западный АО', 'Северо-Восточный АО', 'Юго-Восточный АО'.

Список улиц по убыванию количества заведений: 'проспект Мира', 'Профсоюзная улица', 'проспект Вернадского', 'Ленинский проспект', 'Ленинградский проспект', 'Дмитровское шоссе', 'Каширское шоссе', 'Варшавское шоссе', 'Ленинградское шоссе', 'МКАД', 'Люблинская улица', 'улица Вавилова', 'Кутузовский проспект', 'улица Миклухо-Маклая', 'Пятницкая улица'. Больше всего заведений на проспекте Мира. Особенно много на ней ресторанов, кофеен и кафе.

Не смотря на то, что в ЦАО больше всего заведений, в этом округе самое большое количество улиц всего с одним заведением. Несетевых заведений, присутствующих в одиночку на какой-то улице, в три раза больше, чем сетевых. Подавляющее большинство таких заведений не работают ежедневно и круглосуточно. У большинства из них рейтинг от 4.3 до 4.5. Цены - средние. Количество посадочных мест - до 100. Количество улиц с одним заведением - 453. Скорей всего, на этих улицах низкая проходимость, или они довольно короткие и рядом уже есть заведения питания.

Самые высокие средние чеки в Центральном и Западном административных округах. В остальных округах цены ниже.

В самом центре и ближайшей к нему зоне цены выше. Далее цены приблизительно одинаковые и начинают снижаться только ближе к МКАД.

Детализация исследования

Сколько всего кофеен

coff_df = data.query('category == "кофейня"')
print('Всего в датасете {} кофеен'.format(len(coff_df)))

Всего в датасете 1413 кофеен

В каких районах больше кофеен, каковы особенности расположения

pts_per_distr = coff_df.groupby('district')['name'].agg('count').reset_index().sort_values(by='name' ,ascending=False)
pts_per_distr

	district	name
5	Центральный административный округ	428
2	Северный административный округ	193
3	Северо-Восточный административный округ	159
1	Западный административный округ	150
8	Южный административный округ	131
0	Восточный административный округ	105
7	Юго-Западный административный округ	96
6	Юго-Восточный административный округ	89
4	Северо-Западный административный округ	62

df_temp = pts_per_distr.copy()
df_temp.district = df_temp.district.str.replace('административный округ','АО')

fig, ax = plt.subplots(figsize=(6, 6))
sns.barplot(y='district', x='name', data=df_temp, 
            orient='h', palette='crest_r', hue='district', legend=False)
for container in ax.containers:
    ax.bar_label(container)
    
ax.set_xlabel("Количество точек", fontsize=14)
ax.set_ylabel("Районы", fontsize=14)
ax.set_title("Количество кофеен по районам",
                 fontsize=16, fontweight = 'bold')
sns.despine(top=True, right=True)
fig.show()

Больше всего кофеен в Центральном АО. Значительные количества также в САО, СВАО, ЗАО и ЮАО.

Расположение кофеен показано ниже на карте.

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=9.3, tiles='Cartodb Positron',
       width=1000,height=400)
# создаём пустой кластер, добавляем его на карту
marker_cluster = MarkerCluster().add_to(m)

# пишем функцию, которая принимает строку датафрейма,
# создаёт маркер в текущей точке и добавляет его в кластер marker_cluster
def create_clusters(row):
    Marker(
        [row['lat'], row['lng']],
        popup=f"{row['name']} {row['rating']}",
    ).add_to(marker_cluster)

# применяем функцию create_clusters() к каждой строке датафрейма
coff_df.apply(create_clusters, axis=1)

# выводим карту
m

Make this Notebook Trusted to load map: File -> Trust Notebook

pts_per_distr

	district	name
5	Центральный административный округ	428
2	Северный административный округ	193
3	Северо-Восточный административный округ	159
1	Западный административный округ	150
8	Южный административный округ	131
0	Восточный административный округ	105
7	Юго-Западный административный округ	96
6	Юго-Восточный административный округ	89
4	Северо-Западный административный округ	62

with open('/datasets/admin_level_geomap.geojson', 'r') as f:
    geo_json = json.load(f)

# загружаем JSON-файл с границами округов Москвы
state_geo = '/datasets/admin_level_geomap.geojson'
# moscow_lat - широта центра Москвы, moscow_lng - долгота центра Москвы
moscow_lat, moscow_lng = 55.751244, 37.618423

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=9.3, tiles='Cartodb Positron',
       width=500,height=500)

# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=pts_per_distr,
    columns=['district', 'name'],
    key_on='feature.name',
    fill_color='YlOrBr',
    fill_opacity=0.8,
    legend_name='Количество кофеен по округам',
).add_to(m)

# выводим карту
m

Make this Notebook Trusted to load map: File -> Trust Notebook

print('Перечень округов по убыванию количества кофеен:', pts_per_distr.district.to_list())

Перечень округов по убыванию количества кофеен: ['Центральный административный округ', 'Северный административный округ', 'Северо-Восточный административный округ', 'Западный административный округ', 'Южный административный округ', 'Восточный административный округ', 'Юго-Западный административный округ', 'Юго-Восточный административный округ', 'Северо-Западный административный округ']

Круглосуточные кофейни

print('Всего куглосуточных кофеен:', len(coff_df.query('is_24_7 == True')))

Всего куглосуточных кофеен: 59

Распределение рейтингов кофеен по районам

caf_rate = coff_df.groupby('district')['rating'].agg(['count','min', 'max','mean', 'median']).reset_index().sort_values(by= 'mean',ascending=False)
display(caf_rate)
print('Округи по убыванию рейтинга кофеен:', caf_rate.district.str.replace('административный округ','АО').to_list())

	district	count	min	max	mean	median
5	Центральный административный округ	428	2.3	5.0	4.336449	4.3
4	Северо-Западный административный округ	62	2.0	5.0	4.325806	4.3
2	Северный административный округ	193	2.0	5.0	4.291710	4.3
7	Юго-Западный административный округ	96	3.3	5.0	4.283333	4.3
0	Восточный административный округ	105	3.0	5.0	4.282857	4.3
8	Южный административный округ	131	2.0	5.0	4.232824	4.3
6	Юго-Восточный административный округ	89	2.3	5.0	4.225843	4.3
3	Северо-Восточный административный округ	159	1.4	5.0	4.216981	4.3
1	Западный административный округ	150	2.3	5.0	4.195333	4.2

Округи по убыванию рейтинга кофеен: ['Центральный АО', 'Северо-Западный АО', 'Северный АО', 'Юго-Западный АО', 'Восточный АО', 'Южный АО', 'Юго-Восточный АО', 'Северо-Восточный АО', 'Западный АО']

with open('/datasets/admin_level_geomap.geojson', 'r') as f:
    geo_json = json.load(f)

# загружаем JSON-файл с границами округов Москвы
state_geo = '/datasets/admin_level_geomap.geojson'
# moscow_lat - широта центра Москвы, moscow_lng - долгота центра Москвы
moscow_lat, moscow_lng = 55.751244, 37.618423

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=9.3, tiles='Cartodb Positron',
       width=500,height=500)

# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=caf_rate,
    columns=['district', 'mean'],
    key_on='feature.name',
    fill_color='YlGn',
    fill_opacity=0.8,
    legend_name='Средний рейтинг кофеен по районам',
).add_to(m)

# выводим карту
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Максимальный средний рейтинг - 4.34 в ЦАО, минимальный - 4,2 в ЗАО. Отличия небольшие.

Стоимость чашки капучино

cof_cup = coff_df.groupby('district')['middle_coffee_cup'].agg(['count','min', 'max','mean', 'median'])\
        .reset_index()\
        .sort_values(by= 'mean',ascending=False)
cof_cup

	district	count	min	max	mean	median
1	Западный административный округ	49	60.0	300.0	189.938776	189.0
5	Центральный административный округ	162	60.0	328.0	187.518519	190.0
7	Юго-Западный административный округ	34	95.0	291.0	184.176471	198.0
0	Восточный административный округ	42	60.0	1568.0	174.023810	135.0
2	Северный административный округ	76	60.0	325.0	165.789474	159.0
4	Северо-Западный административный округ	21	60.0	270.0	165.523810	165.0
3	Северо-Восточный административный округ	60	60.0	297.0	165.333333	162.5
8	Южный административный округ	43	60.0	275.0	158.488372	150.0
6	Юго-Восточный административный округ	34	60.0	375.0	151.088235	147.5

with open('/datasets/admin_level_geomap.geojson', 'r') as f:
    geo_json = json.load(f)

# загружаем JSON-файл с границами округов Москвы
state_geo = '/datasets/admin_level_geomap.geojson'
# moscow_lat - широта центра Москвы, moscow_lng - долгота центра Москвы
moscow_lat, moscow_lng = 55.751244, 37.618423

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=9.3, tiles='Cartodb Positron',
       width=500,height=500)

# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=cof_cup,
    columns=['district', 'mean'],
    key_on='feature.name',
    fill_color='YlOrBr',
    fill_opacity=0.8,
    legend_name='Стоимость чашки капучино в кофейнях по районам',
).add_to(m)

# выводим карту
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Максимальная медианная стоимость чашки кофе - 189 р. в ЗАО, минимальная медианная - 147.5 в ЮВАО. Разница около 25%.

На какую стоимость чашки капучино стоит ориентироваться

При определении стоимости чашки капучино стоит ориентироваться на среднюю стоимость в конкретном административном округе. По мере повышения рейтинга имеет смысл и повышать стоимость чека.
Цена является одним из факторов конкурентоспособности, но сравнивать потребитель будет только в условиях ближайшей доступности.

cof_cup_r = coff_df.groupby('district')[['middle_coffee_cup','rating']].agg('mean')
cof_cup_r

	middle_coffee_cup	rating
district
Восточный административный округ	174.023810	4.282857
Западный административный округ	189.938776	4.195333
Северный административный округ	165.789474	4.291710
Северо-Восточный административный округ	165.333333	4.216981
Северо-Западный административный округ	165.523810	4.325806
Центральный административный округ	187.518519	4.336449
Юго-Восточный административный округ	151.088235	4.225843
Юго-Западный административный округ	184.176471	4.283333
Южный административный округ	158.488372	4.232824

Открытие нового заведения

Определенить точку открытия можно по следующим критериям:

• хорошая проходимость (там, где уже есть кофейни)
• где конкуренты имеют невысокий рейтинг
• в данном районе уже есть спрос и потенциальная доля доходов от присутствующих конкурентов не позволит уйти в минус.

sns.set_palette('vlag')
fig, ax = plt.subplots(figsize=(10, 10))
ax.set_ylim(coff_df.lat.min(), coff_df.lat.max())
ax.set_xlim(coff_df.lng.min(), coff_df.lng.max())
sns.scatterplot(data=coff_df, y='lat', x='lng', palette='vlag', alpha=0.5, hue='rating')

ax.set_ylabel("Широта, lat", fontsize=14)
#    vplot.legend(title = "Принадлежность сети", title_fontsize = 14, fontsize = 12, shadow = True, facecolor = 'white')
ax.set_xlabel("Долгота, lng", fontsize=14)
ax.set_title("Слой рейтингов кофеен",
                 fontsize=16, fontweight = 'bold')

plt.show()

На графике выше можно визуально оценить концентрацию точек с невысоким рейтингом. Концентрация косвенно свидетельствует о хорошей проходимости, а невысокий рейтинг говорит о возможности конкурировать.

Если исходить из имеющимися данными, можно определить улицы с количеством точек выше определенного минимума (например, выше 5, хотя это число должно быть пропорционально длине улицы) и со средним по улице рейтингом ниже определенного уровня (например, 4.5).
Составим список таких улиц и обозначим на карте эти заведения. Потенциально, размещать новые точки можно недалеко от обозначенных на карте.

perspect_str_df = coff_df.groupby('street')['rating'].agg(['median','count'])\
        .sort_values(by='count', ascending = False)\
        .query('count > 5 and median < 4.5')
perspect_str_df

	median	count
street
проспект Мира	4.20	36
Ленинградский проспект	4.30	25
Ленинский проспект	4.40	24
Профсоюзная улица	4.30	18
проспект Вернадского	4.20	16
Каширское шоссе	4.25	16
Варшавское шоссе	4.25	14
Кутузовский проспект	4.30	13
Новослободская улица	4.30	13
Ленинградское шоссе	4.10	13
Новодмитровская улица	4.25	12
Люблинская улица	4.20	11
Дмитровское шоссе	4.10	11
улица Вавилова	4.20	10
Волгоградский проспект	4.20	9
Бутырская улица	4.20	9
Алтуфьевское шоссе	4.40	9
Береговой проезд	4.30	9
Ярцевская улица	4.25	8
Головинское шоссе	4.35	8
Сельскохозяйственная улица	4.35	8
Измайловское шоссе	4.15	8
улица Земляной Вал	4.30	7
Сходненская улица	4.30	7
Верхняя Красносельская улица	4.40	7
шоссе Энтузиастов	4.20	7
Смольная улица	4.20	7
Усачёва улица	4.20	7
Ломоносовский проспект	4.30	6
проспект Андропова	4.35	6
Тверская улица	4.35	6
Верейская улица	3.95	6
Фестивальная улица	4.15	6
Ходынский бульвар	4.20	6
Садовническая улица	4.40	6
Хорошёвское шоссе	4.25	6
Пятницкая улица	4.35	6
Пресненская набережная	4.35	6
Ореховый бульвар	4.20	6
площадь Киевского Вокзала	4.10	6
Комсомольский проспект	4.25	6
Нижний Сусальный переулок	4.15	6
Кронштадтский бульвар	4.10	6
улица Перерва	4.20	6
Таганская улица	4.20	6

persp_str_pts = data.query('street in @perspect_str_df.index')

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=9.3, tiles='Cartodb Positron',
       width=1000,height=400)
# создаём пустой кластер, добавляем его на карту
marker_cluster = MarkerCluster().add_to(m)

# пишем функцию, которая принимает строку датафрейма,
# создаёт маркер в текущей точке и добавляет его в кластер marker_cluster
def create_clusters(row):
    Marker(
        [row['lat'], row['lng']],
        popup=f"{row['name']} {row['rating']}",
    ).add_to(marker_cluster)

# применяем функцию create_clusters() к каждой строке датафрейма
persp_str_pts.apply(create_clusters, axis=1)

# выводим карту
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Вывод детализации по кофейням

1. Всего в датасете 1413 кофеен
2. Больше всего кофеен в Центральном АО. Значительные количества также в САО, СВАО, ЗАО и ЮАО.
3. Всего куглосуточных кофеен: 59.
4. Округи по убыванию рейтинга кофеен: 'Центральный АО'(4.34), 'Северо-Западный АО', 'Северный АО', 'Юго-Западный АО', 'Восточный АО', 'Южный АО', 'Юго-Восточный АО', 'Северо-Восточный АО', 'Западный АО'(4.2).
   Максимальная медианная стоимость чашки кофе - 189 р. в ЗАО, минимальная медианная - 147.5 в ЮВАО. Разница около 25%.
5. При определении стоимости чашки капучино стоит ориентироваться на среднюю стоимость в конкретном административном округе. По мере повышения рейтинга имеет смысл и повышать стоимость чека.
   Цена является одним из факторов конкурентоспособности, но сравнивать потребитель будет только в условиях ближайшей доступности.
6. Для открытия новой точки наиболее перспективные округи: Западный и Северо-Восточный.
   В них невысокий средний рейтинг заведений и не самое малое количество точек.
   В Западном еще и высокий средний чек, а в Северо-Восточном одно из высоких количество улиц всего с одним заведением питания.

Выводы

1. В результате проведенной работы выполнена предварительная обработка данных.
2. Проведен анализ данных. Выводы по анализу представлены в п. 2.3.13 Общий вывод по анализу данных
3. Проведен более детальный анализ данным по кофейням. Выводы по анализу представлены в п. 2.4.8 Вывод детализации по кофейням
4. Подготовлена презентация.